Menentukan Pola Materi Sulit Menggunakan Association Rule Mining

Budanis Dwi Meilani; Andino Kharis Juniawan

doi:10.47134/jtp.v3i1.2106

Authors

Budanis Dwi Meilani Institut Teknologi Adhi Tama Surabaya
Andino Kharis Juniawan Institut Teknologi Adhi Tama Surabaya

DOI:

https://doi.org/10.47134/jtp.v3i1.2106

Keywords:

Data Mining, Asosiasi Rule, Algoritma Apriori, Tryout, Materi Sulit

Abstract

Siswa merupakan seseorang yang pernah mengikuti kegiatan belajar mengajar pada lembaga pendidikan. Siswa juga memiliki kewajiban yaitu memiliki prestasi yang baik terutama prestasi akademik maupun non- akademik. Untuk keberhasilan siswa maka guru membutuhan pemetakan materi yang dianggap sulit bagi siswa. Pola tersebut akan digunakan guru untuk menambah materi tersebut sehingga soal yang dirasa sulit menjadi mudah bagi siswa. Untuk itu diperlukan suatu sistem untuk menentukan pola materi – materi yang sulit pada Tryout sekolah dasar dengan Asosiasi Rule menggunakan algoritma Apriori. Algoritma Apriori adalah sebuah metode yang akan mencari pola hubungan antar item dalam sebuah dataset. Dataset tersebut merupakan data nomer jawaban Tryout yang salah. Kemudian menentukan minimal support dan minimal confidence. Selanjutnya terdapat Sub-proses perhitungan algoritma Apriori. Yaitu melakukan perhitungan dengan rumus yang terdapat pada algoritma Apriori. Pada pengujian sistem ini menggunakan data tryout siswa pada semua kelas 6 mata pelajaran b.indo, matematika, ipa. Hasil dari pengujian system menggunakan data kelas 6 mata pelajaran matematika dengan kondisi minimum support 13 item (9%) dan minimum confidence 50% maka terdapat 29 rule. Hasil kesimpulan dari rule tersebut adalah operasi hitung bilangan bulat yang melibatkan bilangan negatif dan sulitnya memakai soal cerita adalah materi yang dianggap sulit bagi siswa kelas 6.

References

Ages Mugnia, Muh. Malik M, 2024, Implementasi Algoritmaa Apriori untuk Sistem Rekomendasi Buku pada Perpustakaan Digital, Jurnal Teknik Informatika dan Sistem Informasi, vol 11, no 1

Agrawal, R., & Gupta, S. (2019). Enhancing Association Rule Mining Techniques in Educational Data Mining. International Journal of Computer Applications, 182(17), 25–31.

Azzah Dian, Budanis DM, 2024, Implementasi Algoritma FP-Growth untuk Menentukan Pola Pengadaan Obat, Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi dan Teknik Informatika (SNESTIK), vol 5 No 1. DOI: https://doi.org/10.31284/p.snestik.2025.6864

Budanis DM, dkk, 2024, Menetukan Pola Penjualan Makanan Kucing dengan Menerapkan Association Rule menggunakan Algoritma ECLAT, Prosiding Seminar Nasional Sains dan Teknologi Terapan.

Budanis DM, Fandi Tiandanoe, 2023, Implementasi Algoritma Apriori Untuk Menentukan Pola Penjualan Alat Kesehatan, Prosiding Seminar Nasional Sains dan Teknologi Terapan.

Chen, L., & Zhou, J. (2023). Comparative Study of Apriori and FP-Growth Algorithms in Educational Data Mining. Applied Sciences, 13(5), 3114–3126.

Gunawan, R., & Kurniawan, A. (2021). Penerapan Data Mining dalam Evaluasi Try Out Siswa Menggunakan Association Rule. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(4), 621–630.

Han, J., Pei, J., & Kamber, M. (2020). Data Mining: Concepts and Techniques (4th ed.). Cambridge: Morgan Kaufmann.

Janie Permatasari, Budanis DM, 2024, Penerapan Data Mining Untuk Menentukan Bahan Roti Menggunakan FP-Growth, Jurnal KERNEL vol 5, No 2. DOI: https://doi.org/10.31284/j.kernel.2024.v5i2.7546

Kumar, P., & Singh, R. (2022). Enhancing Educational Quality Using Association Rule Mining in E-Learning Systems. Journal of King Saud University – Computer and Information Sciences, 34(9), 6392–6401.

Lestari, M., & Safitri, A. (2022). Data Mining untuk Identifikasi Materi Sulit Matematika di Sekolah Dasar. Jurnal Inovasi Pendidikan Matematika, 3(2), 89–97.

Li, X., & Zhang, H. (2020). Improved Apriori Algorithm for Educational Big Data Analysis. Procedia Computer Science, 178, 211–218.

Nugroho, Y., & Pratama, A. (2019). Implementasi Algoritma Apriori untuk Menganalisis Pola Jawaban Siswa pada Ujian Nasional. Jurnal Teknologi Informasi dan Pendidikan, 12(2), 144–153.

Prasetyo, H., & Wahyuni, R. (2021). Optimasi Algoritma Apriori dalam Menentukan Pola Kesalahan Ujian Siswa. Jurnal Teknologi dan Sistem Komputer, 9(2), 102–110.

Rahman, A., & Dewi, P. (2024). Analisis Pola Kesulitan Siswa SD dalam Matematika Menggunakan Data Mining. Jurnal Ilmiah Pendidikan Dasar Indonesia, 9(1), 77–86.

Santoso, B., & Marlina, T. (2024). Advances in Educational Data Mining: Association Rule Applications in Student Assessment. Journal of Educational Technology and Data Science, 5(2), 101–119.

Sari, N., & Hidayat, F. (2023). Penerapan Association Rule Mining untuk Evaluasi Hasil Try Out Ujian Sekolah. Jurnal Sistem Informasi dan Teknologi Pendidikan, 7(1), 55–66.

Setiawan, A., & Lestari, D. (2020). Analisis Pola Kesulitan Belajar Siswa Menggunakan Algoritma Apriori. Jurnal Edukasi Matematika dan Sains, 8(1), 55–64.

Suryanti, Riki Suliana, Cicik Pramesti, Ayu Silvi, 2024, Pendampingan Try Out Pada Siswa Sebagai Assessment Belajar Matematika, Jurnal Kreativitas dan Inovasi, Vol 4 No. 1 DOI: https://doi.org/10.24034/kreanova.v4i1.6242

Wijaya, D., & Arifin, M. (2022). Implementasi Algoritma FP-Growth dan Apriori dalam Analisis Data Ujian. Jurnal Rekayasa Sistem dan Teknologi Informasi, 6(2), 233–242.

Zhang, Y., & Liu, W. (2021). Association Rule Mining for Student Performance Prediction. Education and Information Technologies, 26(3), 3447–3461.

Zunan Setiawan, dkk, 2023, Buku Ajar Data Mining, PT Sonpedia Publishing Indonesia